说一下背景，26届，数据分析，211本，目标是互联网数据分析+银行数据岗。从2月初投到3月中，陆陆续续投了47家，现在基本上岸了，复盘一下踩过的坑。 1、前两周填表填到想死 这个是我觉得最亏的。前面十几家全是手动填的网申表单，教育经历项目经历实习经历，每家都要重新填一遍，而且有的公司表单巨长，一家能搞15分钟。填到第十家的时候真的有点崩溃，明明都是一样的东西为什么要我填十遍。 后来室友给我推了牛客那个网申助手，录一次信息之后每家打开就自动填好了，我当时的心情就是：我前两周在干嘛。 点击获取：https://www.nowcoder.com/my/resume-plugin-intro 2、海投...

29届java实习，简历包装了一下苍穹外卖和黑马点评，请问有什么项目推荐吗？有必要在简历上补个蓝桥杯，马蹄杯之类的算法竞赛吗？接下来还会继续学习🥹想在暑假去进行第一份实习 有机会吗？求大佬拷打😭😭

1. 你做过大模型数据处理的话，预训练数据清洗一般怎么做，去重、去噪、质量过滤分别解决什么问题？预训练数据清洗本质上是在控制“数据量”和“数据质量”之间的平衡。去重主要解决模型反复记忆同一批内容，避免浪费训练 token，也减少 benchmark 污染。去噪主要是过滤乱码、模板页、广告页、低信息密度文本、机器生成垃圾内容，不然模型会学到很差的语言模式。质量过滤更偏向保留高价值内容，比如结构完整、语义通顺、知识密度高、代码块规范或者问答对明确的数据。实际工程里一般不会只靠一个规则，而是多阶段处理：先做规则清洗，再做语言识别、长度过滤、内容打分，最后再结合 dedup 和采样策略。因为预训练效果...